本研究提出了GraphEdge架构，旨在解决边缘计算中图结构场景下的任务调度问题。通过优化图布局和应用深度强化学习，该架构显著降低了任务处理时间和能耗，并在动态场景中表现出色。

该论文提出了一种混合知识数据驱动的方法，以提高无蜂窝大规模多输入多输出系统的无线传输性能。研究探讨了数据辅助人工智能在波束成形设计中的应用，提出了能耗优化模型和新算法PHONE，显著提升了多用户系统的能源效率，并讨论了深度学习在波束成形优化中的潜力。

本文探讨了在移动设备上应用深度神经网络的技术，提出通过分割计算和提前结束计算的方法来优化资源使用，降低带宽和能耗。研究开发了多种算法，如SplitEE和I-SplitEE，能够在保持准确性的同时显著降低成本。此外，介绍了动态拆分计算模型和AdaptiveActivation技术，以提高推理效率并适应不同硬件需求。

北京清华大学研发ACCEL芯片，用于光学模拟处理图像数据，速度和能耗优于英伟达A100电路。ACCEL电路中99%的图像处理在光学系统中进行，通过处理光子减少了能量需求和转换次数，提高了系统运行速度。但该技术仅适用于简单的图像识别应用，需要进一步扩展。